Tautomerie von Liganden in der Bindetasche von Proteinen
Tautomeric form of ligands in the binding pocket of protein
Wissenschaftsdisziplinen
Chemie (65%); Medizinisch-theoretische Wissenschaften, Pharmazie (35%)
Keywords
-
Molecular Modelling,
Free Energy Calculations,
Non-Equilibrium Molecular Dynamics,
Tautomerism,
Computer-aided drug discovery
Die überwiegende Mehrheit der pharmazeutisch aktiven Substanzen besteht aus einer Kombination von Kohlenstoff-, Phosphor-, Stickstoff-, Schwefel- und Wasserstoff-Atomen. Um die Wirkung von medizinisch relevanten Substanzen aufzuklären, werden regelmäßig Methoden eingesetzt, welche imstande sind, die Position dieser Atome (mit Ausnahme von Wasserstoff- Atomen) am Ort ihrer Wirkung zu identifizieren. Grundsätzlich reicht diese Positionsinformation, um zu zeigen, an welcher Stelle des Proteins die Substanz bindet. Jedoch ist für die exakte Beschreibung des Bindungsmusters die Position der Wasserstoff-Atome entscheidend. Es gibt Methoden und Regeln, wie man Wasserstoff-Atome in Moleküle verteilen kann. Wenn diese Regeln nur eine mögliche Lösung zulassen, ist das Problem gelöst. Aber oft gibt es mehrere unterschiedliche Varianten, wie man Wasserstoff-Atome auf ein Molekül verteilen kann (sogenannte Tautomere), und jede dieser Varianten beeinflusst das Interaktionsmuster zwischen Molekül und Protein. Die Entscheidung, welches dieser Tautomere das relevante ist, spielt eine große Rolle, um den Effekt von Wirkstoffen zu erhöhen beziehungsweise Nebeneffekte zu reduzieren. Dafür werden die Interaktionsmuster zwischen Protein und Molekül analysiert und gegebenenfalls verändert. Wird für dieses Unterfangen das falsche Tautomer verwendet, kann das zu enormen Zeitverlust in den ohnehin schon sehr langen Entwicklungszyklen für neue Medikamente führen. Am Memorial Sloan Kettering Cancer Center in New York, USA, entwickelt die Gruppe von John Chodera fortgeschrittene, computergestützte Algorithmen, mit deren Hilfe das Interaktionsmuster aller möglichen Tautomere theoretisch simulieren und das relevante Tautomer bestimmt werden kann. Diese Simulationen sind durch die Optimierung der entwickelten Algorithmen für die Verwendung von im Handel erhältlichen Grafikkarten realisierbar, welche ungleich höhere Rechenleistungen als CPUs ermöglichen. Durch diese von John Chodera und Mitarbeiter entwickelten Algorithmen wird in diesem Projekt eine freie Softwarelösung für die automatisierte Bestimmung der relevanten Tautomere erforscht, die WissenschafterInnen in der Wirkstoffanalyse unterstützen soll.
Research Output
- 191 Zitationen
- 9 Publikationen
-
2020
Titel Fitting quantum machine learning potentials to experimental free energy data: Predicting tautomer ratios in solution DOI 10.1101/2020.10.24.353318 Typ Preprint Autor Wieder M Seiten 2020.10.24.353318 Link Publikation -
2021
Titel Dummy Atoms in Alchemical Free Energy Calculations DOI 10.1021/acs.jctc.0c01328 Typ Journal Article Autor Fleck M Journal Journal of Chemical Theory and Computation Seiten 4403-4419 Link Publikation -
2021
Titel Teaching free energy calculations to learn from experimental data DOI 10.1101/2021.08.24.457513 Typ Preprint Autor Wieder M Seiten 2021.08.24.457513 Link Publikation -
2021
Titel Fitting quantum machine learning potentials to experimental free energy data: predicting tautomer ratios in solution DOI 10.1039/d1sc01185e Typ Journal Article Autor Wieder M Journal Chemical Science Seiten 11364-11381 Link Publikation -
2022
Titel Relative binding free energy calculations with transformato: A molecular dynamics engine-independent tool DOI 10.3389/fmolb.2022.954638 Typ Journal Article Autor Karwounopoulos J Journal Frontiers in Molecular Biosciences Seiten 954638 Link Publikation -
2020
Titel Towards chemical accuracy for alchemical free energy calculations with hybrid physics-based machine learning / molecular mechanics potentials DOI 10.1101/2020.07.29.227959 Typ Preprint Autor Rufa D Seiten 2020.07.29.227959 Link Publikation -
2022
Titel Improving Small Molecule pKa Prediction Using Transfer Learning with Graph Neural Networks DOI 10.1101/2022.01.20.476787 Typ Preprint Autor Mayr F Seiten 2022.01.20.476787 Link Publikation -
2022
Titel Improving Small Molecule pK a Prediction Using Transfer Learning With Graph Neural Networks DOI 10.3389/fchem.2022.866585 Typ Journal Article Autor Mayr F Journal Frontiers in Chemistry Seiten 866585 Link Publikation -
2022
Titel Alchemical free energy simulations without speed limits. A generic framework to calculate free energy differences independent of the underlying molecular dynamics program DOI 10.1002/jcc.26877 Typ Journal Article Autor Wieder M Journal Journal of Computational Chemistry Seiten 1151-1160 Link Publikation